基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控...     

基于机器学习的气动参数智能修正方法

针对飞行器气动参数的修正问题,提出了基于机器学习的气动参数智能修正方法.该方法对真实气动数据与标称气动数据的偏差建模,并利用BP神经网络,对偏差模型进行拟合.利用拟合后的神经网络以及标称气动表,即可得到修正后的气动表.该方法充分利用机器学习无线逼近非线性函数的能力,对偏差模型进行学习,从而实现对原气动参数的精确修正.最...     

某型飞行器气动参数辨识与弹道仿真

以某型飞行器为例,运用气动参数建模分析的手段,建立典型空气动力学模型。将传统的模型辨识方法与现代计算机技术相结合,对气动力辨识输入参数进行了分析,采用迭代算法得出辨识参数,并对观测量和物理几何参数误差影响辨识精度进行了分析,选用某型飞行器现有试验测量数据作为输入量,进行气动参数辨识,将辨识得到的气动参数进行了仿真验证。利用辨识得到的气动参数仿真计算的弹道与试验结果吻合度较高,说明气动参数辨识可行。     

轴对称型飞行器气动参数辨识研究

本文针对轴对称海防型号飞行器的特点，尝试在弹道坐标系内建立了气动参数估计的数学模型，较之传统的体系内建立的数学模型，其非线性程度小，方程间的耦合程度大大减弱，考虑到轴对称气动特点，使特估参数大大减少，有效地提高了估计效率。文中同时对气动参数可性做了一定的分析。某民导弹的模拟辨识结果表明所建立的数学模型及估计过程正确，有效。最后采用某次飞行打靶的实测数据进行了气动参数的辨识，弹道重构的结果令人满意。     

基于对角回归神经网络的自整定全系数自适应控制器及其特征参量辨识

针对全系数自适应控制器参数人为调试带来的不便,提出一种基于对角回归神经网络的参数自整定方法,通过神经网络的自学习能力对全系数自适应控制器参数进行在线整定.同时,提出一种新的特征模型参数间接辨识方法,采用神经网络的权值和回归层输出组成的非线性函数构造对象的特征参量,更有效地对特征模型的时变参数进行自学习和调整.对闭环回路...     

基于马尔可夫蒙特卡洛法的系统辨识方法研究及应用

提出了基于马尔可夫蒙特卡洛(MCMC)的贝叶斯辨识方法,以解决高超声速飞行器系统辨识中复杂动力学模型转换为简单或稀疏模型所带来的不确定性问题,以及存在的训练数据大和积分难处理的问题。该方法将数据退火算法引入MCMC中,不仅解决了MCMC易陷入局部最优的问题,并且将数据退火与“高信息训练数据”的概念相结合,能够以较低的计算成本分析大数据集。此外,该方法可以对参数估计过程中存在的不确定性进行量化,获得未知参数的最优估计值。通过仿真实验,验证了提出的系统辨识方法的有效性,辨识出的模型能够有效应用于控制器设计之中,并获得较好的控制效果。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

飞行器气动参数的集员辨识

在噪声未知但有界的情况下，本文研究了飞行器气动参数的集员辨识问题。提出了先对非线性系统参数可行集的中心进行估计，再估计参数可行集大小的集员辨识两步法。这样就为解决飞行器气动参数的辨识问题提供了一种新的可行方法，再入体实测数据的处理表明这种方法十分有效。     

一种面向空天飞机再入的智能自适应复合控制方法

针对空天飞机再入横、侧向通道的姿态控制问题,设计了一种智能神经网络自适应复合控制方法,基于误差反馈学习准则在线更新神经网络权重以补偿全量姿态控制律输出的姿态控制指令。同时,面向再入过程横侧通道的强耦合问题,引入了耦合控制系数,以降低横、侧通道间的控制干扰。此外,提出了一种自适应链式控制分配律,在控制信号中引入正交优化多正弦激励,基于递推最小二乘方法对气动参数进行在线辨识,进而实时更新链式分配策略。最后,对空天飞机再入横侧向通道的神经网络自适应复合控制方法进行数学仿真校验,验证了该方法的有效性和鲁棒性。     

大气层内飞行器风速在线辨识方法

针对依靠空气动力机动飞行的飞行器飞行轨迹受平稳风场影响大的特性,提出了一种以过载控制辅助实现风速辨识的方法.对地面风场特性进行了分析,建立了简化的风场模型,利用铅垂方向风场分量近似为0的特性推导了风场辨识算法,然后阐述了风速辨识流程,给出过载控制实现方案、风场估算公式,最后通过数学仿真验证了该方案在线辨识风速的有效性,为实现制导控制系统实时弹道风修正提供了技术支撑.     

基于灵敏度分析的惯导平台参数分步辨识方法

研究的是多位置静态测漂法平台参数辨识的问题。对平台漂移的非线性模型 进行了分析,提出了静基座下平台参数辨识的局限性、参数辨识位置选取的原则。最后考虑 到利用EKF辨识包含陀螺交叉项的参数时存在难以收敛甚至有些参数出现发散的问题,提出 了分步辨识的方法来解决这一问题。并且文中仿真结果证明了这种方法能有效抑制辨识中的 发散现象。     

人控制行为的模糊控制模型的参数辨识方法

在有人参与的控制过程研究中,确定人操作者的模糊控制模型的参数是非常困难而复杂的一步,也是此研究领域的一个重点。这个问题的解决,将对人一机控制系统的研究,分析和设计有着十分重要的意义。 本文根据已知的人的模糊控制模型,提出了一种参数辨识方法,并进行了参数辨识实验。实验结果表明:此辨识方法简单方便、且十分有效而实用。它不仅可以为人的模糊控制模型的研究提供基本数据,而且为参数辨识研究提供了新的途径。     

基于Fuzzy ARTMAP的GPS/INS组合导航系统故障诊断

将基于双状态传播器的状态χ2检验法(SCST)结合Fuzzy ARTMAP神经网络应用于GPS/INS紧组合导航系统故障的诊断和参数识别。首先,采用双状态传播器的状态χ2检验法对组合导航系统进行故障检测,得到故障的特征模式,并给出了双状态传播器重置时间间隔选择的充分条件;然后,利用Fuzzy ARTMAP神经网络结合特定的飞行器机动对故障模式进行分类,给出了一种新的分类方法;对于飞行器按照不同轨迹进行飞行的情况,也可有效的识别故障源。最后将分类的结果送入另一个Fuzzy ARTMAP神经网络进行故障参数的估计。仿真结果表明,针对组合导航系统中陀螺、加速度计、GPS信号的一度故障,此方法能有效进行检测和隔离,并能准确估计出故障发生时间和故障幅值。     

跨声速气动参数在线辨识方法研究

以增广扩展卡尔曼滤波作为在线辨识工具,对再入体跨声速区的气动参数在线辨识方法展开研究.系统分析了增广扩展卡尔曼滤波对状态和参数联合辨识效果,发现缓变气动参数辨识效果良好,但气动参数变化剧烈时辨识结果有较大偏差,为克服这一缺点,将强跟踪思想引入到一般的增广扩展卡尔曼滤波器中.通过仿真表明,强跟踪增广扩展卡尔曼滤波器可以有效克服一般增广扩展卡尔曼滤波在参数变化较大时估计误差较大的缺点.     

地面力学在火星壤力学参数估计研究中的 进展与展望

掌握火星土壤的力学参数是保障火星车顺利完成巡视探测的关键。通过对已成功开展的火星巡视探测任务进行汇总，探讨了复杂火星地貌对火星车移动性能的影响，分析了基于地面力学理论的火星土壤力学参数估计方法，包括：基于车轮的火星壤在轨力学参数估计方法和基于轮壤力学模型的力学参数辨识方法。最后，对未来关于地面力学在星壤力学参数评估进行了探讨。     

基于统计参数分析和RBF网络的动调陀螺故障诊断方法

针对动调陀螺故障振动信号的特点,提出了一种基于振动统计参数分析和神经网络的动调陀螺故障诊断方法.该方法通过计算原始振动信号的一组统计参数作为表征故障的特征信息,以此作为RBF神经网络的输入参数来学习并识别陀螺故障.实验结果表明,采用对统计参数的计算能够简单、有效地提取陀螺故障特征信息;运用神经网络进行故障诊断建模,使诊断具有自适应、自学习的能力,诊断结果更加可靠.     

基于混合遗传算法的火箭姿态控制设计方法

针对火箭控制系统姿态网络设计,提出了一种采用遗传算法和模拟退火算法混合的算法进行姿态网络自动设计的方法。该算法实现了已知校正网络幅频特性曲线的幅频向量,通过系统辨识和寻优搜索,可以计算出该网络的传递函数。本文对该算法进行了试验验证,证明该方法可行并优于单纯的模拟退火算法和遗传算法。     

尖楔前体飞行器FADS系统驻点压力对神经网络算法精度的影响

针对尖楔前体（类乘波体）飞行器用嵌入式大气数据传感（FADS）系统存在建模困难及解算模型精度低的问题,首先采用BP神经网络建模代替传统的FADS系统空气动力学建模的方法,建立含有双隐含层的四层神经网络模型,然后通过合理选择网络结构参数及训练验证,对FADS系统的攻角进行解算,最后对驻点压力对算法精度的影响进行研究。结果表明,本文建立的含有双隐含层的四层神经网络模型精度较高,攻角测试误差小于 0.25°; 驻点压力是否作为输入参数对FADS系统神经网络算法求解精度影响较大,攻角测试误差相差达0.1°。在飞行器前缘半径允许的情况下,应尽量得到驻点压力用于解算攻角,提高解算精度。     

分隔贮箱内液体晃动参数的识别方法

分隔贮箱内液体晃动问题可以用一个两自由度非线性阻尼系统予以描述。本文采用等效线性化方法处理非线性阻尼参数，给出了一种利用稳态正弦基础激励晃动试验技术确定分隔贮箱内液体晃动等效力学模型的参数识别方法。方法通过引入晃动模态的频响函数剩余影响的拟合项实现两阶晃动模态的分离识别。数值仿真计算表明，这一方法给出的参数识别结果可以满足工程应用的精度要求